人臉辨識的核心問題,不管是人臉確認(face verification)或是人臉識別(face identification),都必須在人臉上取出具有「辨別度」的特征值。

也就是說,同個人的多張照片,即使在不一樣的光源、時間、打扮、些微的表情、視角變化之下拍攝,還具有非常類似的高維數(shù)值(可以想象在高維空間中非常相近的點群),相反地,對于不同人的照片,需很容易區(qū)別,在高維空間中維持相當?shù)木嚯x。

這目標聽起來很直覺,但是研究人員幾十年來的努力到最近才有突破性的發(fā)展。

人臉辨識的一般步驟為:人臉偵測、人臉校正、人臉特征值的擷取。目的在照片中,找到人臉的位置,利用人臉的特征點(如嘴角、人中、眼睛等)為錨點,將人臉校正到同一個比較基準,然后取出特征值來進行辨識。

早期的人臉偵測大多基于效率的考量,利用組合一系列簡易的運算來檢測畫面中的可能人臉,甚至可以在相機的硬件中實現(xiàn)。但是在實際場域中的應(yīng)用仍然有諸多限制,直到這幾年深度卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network;CNN )的使用,才讓偵測率大大提升。

人臉特征值的擷取是最核心的問題。早期廣泛采用的方法為特征臉(eigenface),這是1991年MIT提出的方法,原理是人臉具有大致的輪廓,可以找出特征人臉為基礎(chǔ)來線性組合出各個人臉。理論上同一個人的線性組合參數(shù)應(yīng)該類似,所以就用這些組合參數(shù)來作為人臉特征值。

此外,還可以利用人臉各個器官之間的相對位置、比例等作為特征值。或是利用鄰近畫素的亮度差來表示特征值的局部二值樣式(Local Binary Patterns;LBP)?；蚴菍⑷四樚囟ㄎ恢玫耐庥^,利用具代表性的小區(qū)塊進行編碼的稀疏編碼法(sparse coding)。這些技術(shù)都為人臉辨識的落實往前推進一步。為求系統(tǒng)穩(wěn)定,大部分應(yīng)用系統(tǒng)都采用雞尾酒作法,也就是混搭各種特征值。

為何早期使用人臉辨識的場域不多呢?因為錯誤率所造成的困擾遠大于技術(shù)的效率。舉例來說,保全系統(tǒng)使用人臉辨識作為門禁卡,如果錯誤率5%的話,每100人次進出,就有5次需要人為介入,不勝其煩。

技術(shù)的正確率、穩(wěn)定度的提升關(guān)乎可否全面落實到產(chǎn)品上,也就只有等到深度學習(更準確為卷積神經(jīng)網(wǎng)絡(luò))技術(shù)的突破,才讓人臉辨識數(shù)十年的研究有機會在產(chǎn)業(yè)界帶來廣泛應(yīng)用的機會,而且有機會溢出傳統(tǒng)安控領(lǐng)域而成為「個人化」的基礎(chǔ)引擎。

原文標題:【名家專欄】人臉辨識的技術(shù)環(huán)節(jié)

文章出處:【微信號:DIGITIMES,微信公眾號:DIGITIMES】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。